Kurgan-Telecom Ru | Информационные технологии

Выбор языка программирования (ЯП) отражает стиль мышления разработчика. Однако если какой-то язык называют «популярным», это вовсе не значит, что он самый перспективный и единственно достойный глубокого изучения. Просто в данный момент он чаще на слуху по разным причинам. Это может быть следствием лёгкости освоения, востребованности в какой-то быстро растущей и специфической отрасли, ошибкой интерпретации статистических данных или просто хайпом. В этой статье вместе с разработчиками и исследователями компании «Криптонит» мы проследим динамику рейтингов ЯП, разберёмся, что скрывается за всплесками интереса к разным языкам, какие из них действительно востребованы и почему.

Для понимания общей картины рассмотрим подробнее, что говорят о популярности ЯП в источниках с разной методологией и оценим динамику.

В проекте пользователям регулярно нужно скачивать наборы документов в виде архива. Изначально архивы формировались только из файлов внутри системы, но задача усложнилась, когда потребовалось добавлять внешние источники. В статье я разбираю решение на базе nginx mod_zip и потоковой генерации архива, позволяющее собирать ZIP «на лету» с минимальной нагрузкой на сервер. Также я подготовил простое демо, где можно всё попробовать самостоятельно.

Любое современное приложение работает с конфиденциальной информацией. Персональные данные пользователей, финансовые данные, внутренние документы компаний — все это хранится, передается и обрабатывается в облачной инфраструктуре. И чем больше критически важных данных оказывается в облаке, тем острее встает вопрос их защиты.

Привет, Хабр! Меня зовут Никита Трунов, я — разработчик команды инфраструктурных сервисов K2 Cloud. Сегодня расскажу вам о нашем новом облачном сервисе управления ключами KMS и как он помогает с шифрованием данных в облаке. В этом материале мы разберемся, какие данные приходится защищать, какие существуют модели доверия к облачному провайдеру и как устроена архитектура современного сервиса управления ключами.

Привет, Habr! Меня зовут Валентин, я DevOps-инженер команды Platform V Kintsugi. Мы занимаемся развитием облачного сервиса и на практике регулярно сталкиваемся как с архитектурными задачами построения распределённых систем, так и с вопросами обеспечения их безопасности.

В предыдущей части мы подробно разобрали механизм делегирования TLS-соединения на уровень Service Mesh и показали, как Egress Gateway может выступать полноценным участником PostgreSQL handshake. Однако этот сценарий рассматривался в упрощённой конфигурации — один сервис, один сертификат, одно подключение.

Классический сценарий: снимок получился практически безупречным, но на заднем плане зафиксирован случайный объект, а особенности инсоляции увели лицо модели в глубокую тень. Буквально несколько лет назад исправление подобных дефектов требовало кропотливой ручной работы с инструментами ретуши в десктопных графических пакетах. В 2026 году продвинутая нейросеть для обработки фото решает аналогичные задачи за пару мгновений — пользователю достаточно выделить проблемную область маской и текстовой командой описать желаемые изменения.

В данном материале проведена граница между мощными ИИ-движками для глубокого редактирования изображений и маркетинговыми проектами с обещаниями. Если перед вами стоит задача интегрировать новый объект в существующую сцену, перенести персонажа из привычной локации на морское побережье или качественно отредактировать картинку без погружения в сложные технические нюансы — это руководство поможет определиться с выбором. Мы подробно изучили весь спектр решений: от тяжелых корпоративных систем уровня Gemini до узкоспециализированных нишевых инструментов.

Я врач с более чем 30-летним стажем, последнее время работал доцентом медицинского вуза. Недавно вышел на пенсию и получил то, о чем мечтал всю трудовую жизнь — много свободного времени, и часть его желательно тратить с пользой (а не только играть на ПК, что я, конечно, тоже люблю).

Я давно, со студенчества, интересовался проблемами старения организма. Поработав с десятками тысяч пациентов, я уже не удивлялся, что паспортный (хронологический) возраст и реальное состояние организма — это две разные вещи. Один пациент в 60 бегает марафоны, другой в 45 еле ходит по дому. Но причины этого медицине, честно говоря, до ситх пор непонятны. Мне хотелось как‑то объективизировать, оцифровать, что ли, эту разницу без сложных анализов и дорогостоящих исследований. И чтобы каждый человек мог легко и просто оценить свой биологический возраст — не просто для того, чтобы его узнать — а сделать определенные выводы и, возможно, изменить свои привычки и даже обратиться к специалистам. Теперь для этого есть общедоступные инструменты — смартфоны с фотокамерой, искусственный интеллект и модели, способные анализировать, состояние кожи и другие показатели по фотографии. Надо попробовать, решил я. Но для этого нужно создать мобильное приложение. Раньше я бы на такое не замахнулся, ну а сейчас — время есть, инструменты есть, желание есть — why not?

Вы когда-нибудь задумывались, зачем нужны библиотеки для навигации в Jetpack Compose? Почему мы не можем просто взять mutableStateOf со списком экранов и переключаться между ними? Оказывается, если мы попробуем реализовать такой наивный подход, то столкнёмся с рядом проблем: rememberSaveable не работает, ViewModel не очищаются после ухода с экрана, Lifecycle не работает корректно и многое другое.

В статье разберём, как работают библиотеки навигации в Jetpack Compose и какие задачи они решают на примере библиотеки навигации Modo.

Каждое утро Джошуа Ван садится за компьютер с булочкой и банкой охлаждённого чёрного кофе, чтобы поискать последние статьи, основанные на данных популярной исследовательской платформы TriNetX. В последние годы резко возросло количество исследований, основанных на данных этой платформы, которая предоставляет доступ к анонимизированным электронным медицинским картам более 300 миллионов пациентов в США и за рубежом. Ван, нейробиолог из больницы «Тайбэй Цзу Чи», который обучает местных исследователей работе с TriNetX, заметил и другую тенденцию. По его словам, некоторые результаты выглядят «немного подозрительно».

Он и другие специалисты полагают, что эта простая в использовании платформа, возможно, позволяет неопытным исследователям — потенциально при помощи искусственного интеллекта (ИИ) — с беспрецедентной скоростью выпускать ненадёжные и совершенно предвзятые исследования. «Мы видели множество таких исследований, проведённых с помощью TriNetX, и у всех у них очень схожие недостатки, — говорит Сами Суисса, фармакоэпидемиолог из Университета Макгилла. — Создаётся впечатление, что они постоянно обнаруживают разные впечатляющие эффекты и замечательные преимущества лекарств по всем видам исходов».

Профессиональный рост часто упирается в конкретные слепые зоны: где демо AI-агента расходится с продакшеном, как выбирать платформу для AI-ворклоадов, почему ломается тестирование API или что происходит в сетях ЦОД.

В дайджесте — 65 бесплатных уроков от преподавателей-практиков: с прикладными разборами, живыми вопросами и возможностью быстро свериться с тем, куда движутся разные IT-направления.

Дуополию двух крупнейших игроков рынка серверных CPU периодически «разбавляют» остальные игроки. Из успешных сразу вспоминаем NVIDIA с их Grace™ для собственных AI-систем, AWS Graviton для внутреннего использования и «коммерческий» Ampere Computing. Но сегодня речь пойдет о двух новинках более нишевых игроков: китайских Hygon и известного по смартфонам Qualcomm. Две новинки ARM®- и x86-процессоров в новости под катом.

Что, если хранить зашифрованный контейнер не в одном файле, а распределять между несколькими JPEG-изображениями? Причём так, чтобы потеря части изображений не приводила к потере данных. В этой статье мы посмотрим, как может работать такая схема, и разберём её основные принципы без погружения в код.

В прошлой статье мы обсудили, почему ИИ-инициативы в компаниях, даже с большими деньгами и ресурсами, просто проваливаются. Коротко говоря, если у ИИ нет качественных данных, проект скорее всего обречён — по данным Gartner, 60% ИИ-проектов не доходят до продакшена из-за неготовности данных и процессов.  В этот раз поищем решение: как собрать все заявки в одном месте и научить модель делать то, что вам нужно — уничтожать рутину.

Машинное зрение (МЗ) — это технология, которая позволяет компьютерам и другим устройствам интерпретировать визуальные данные из реального мира. Это область искусственного интеллекта и робототехники, которая включает в себя получение изображений, их обработку и использование полученных данных для решения прикладных задач без участия человека. Краткая история МЗ публиковалась на Хабре в нашем блоге здесь и тут. 

Пришло время рассказать про россйские и зарубежные патенты и свидетельства в этой сфере.

Доброго времени суток . Спасибо всем заинтересовавшимся моей статьей. Задача коммивояжёра — одна из самых известных задач комбинаторной оптимизации. Её суть заключается в поиске самого выгодного маршрута, который проходит через указанные города по одному разу с последующим возвратом в исходный город. Уже при небольшом числе городов >20 задача не может быть решена методом перебора вариантов за приемлемое время.

Для решения задачи коммивояжёра существует большое количество методов и алгоритмов, самые распространённые — поисковые алгоритмы. Лидеры среди них — генетические алгоритмы и алгоритмы колонии муравьёв.

Я придумал свой вариант.

В статье «Сравнение производительности генетических алгоритмов и муравьиных алгоритмов применительно к задаче коммивояжера Авторы: Sabry Ahmed Haroun, Benhra Jamal, El Hassani Hicham Лаборатория LISER, ENSEM, UH2C Касабланка, Марокко.» от May 2015. Приводятся результаты тестов. Генетический алгоритм был разработан на C++. Муравьиный алгоритм оптимизации был написан на C#.

Тестируем платформу Битрикс24 Вайбкод для создания полезных приложений в своём бизнес-портале с помощью ИИ-агентов.

Сегодня сделаем паспорт клиента: собираем в одном месте всё, что нужно знать о компаниях в нашем бизнес-портале: контакты, сделки, лиды и любые активности. Рассказываем по шагам свой опыт работы с платформой — что было просто, как строили работу, где ИИ ошибался и пришлось ли что-то исправлять вручную.

Привет! Меня зовут Владимир Дробот, я SRE-лид и руководитель центра техподдержки кластера рекламных технологий компании МТС Web Services. Наша команда отвечает за вторую линию саппорта: мы разбираем сложные инциденты, ищем корни проблем и передаем разработчикам те баги, которые упираются в код или архитектуру.     

Для решения задач инженерам приходится работать одновременно с Jira, Confluence, логами и базами данных. Несмотря на существующую документацию, много времени уходило на поиск информации и анализ уже решенных инцидентов. Недавно мы внедрили систему поиска на базе RAG: общее описание и технические детали. Наше решение объединило данные из Jira и Confluence в единую поисковую систему, инженеры получают ответы на вопросы на естественном языке.

Подход дал заметный эффект, однако со временем стало понятно, что основное ограничение заключается не в качестве поиска. Чтобы получить пользу от RAG, инженер должен сначала понять, что именно искать. Это особенно актуально при разборе инцидентов: причина проблемы неизвестна и непонятно, какие данные понадобятся для анализа и какие запросы следует сформулировать. В результате инструмент использовали не во всех типах задач.

Кроме того, было сложно объективно оценивать влияние решения на качество поддержки. Мы получали положительную обратную связь, но не могли точно измерить, насколько быстрее или качественнее стали решаться тикеты. Тогда мы решили: если система уже умеет искать информацию и анализировать найденные материалы, почему бы не поручить ей первый этап расследования инцидента целиком?

В сети до сих пор висят мануалы из 2013, где предлагают писать громоздкие скрипты на PHP с библиотекой PHPExcel или использовать встроенный импорт через веб-интерфейс phpMyAdmin. На практике эти методы спотыкаются на первой же тысяче строк: слетают кодировки, ломаются форматы дат, а дробные числа округляются до целых.

При взаимодействии разработки с менеджментом или бухгалтерией регулярно всплывает одна и та же задача. Нужно либо выгрузить таблицу из базы в Эксель для отчёта, либо, наоборот, залить обратно в СУБД тяжелый xlsx. файл со свежими ценами или списком контрагентов. Настраивать тяжелые ETL-системы ради разовой выгрузки неэффективно. Проблема решилась написанием короткого CLI-скрипта на Python - mysql_bridge. Утилита обеспечивает сквозную двустороннюю конвертацию данных, автоматически анализирует структуру и сохраняет исходные типы на лету. Исходный код скрипта и Readme Здесь. Если Вас заинтересовала или статья была полезна, поддержите звездочками.

Как устроен двусторонний мост

Вся логика инструмента умещается за счёт связки pandas, sqlalchemy и движка openpyxl. Скрипт работает с файлами Эксель напрямую на уровне бинарного кода, поэтому его можно запускать на серверах без установленного офисного софта. Утилита работает в двух режимах.

Интервью с Сергеем Лоншаковым, архитектором проекта «Робономика»: о том, почему роботы будут в спортивных костюмах, сколько стоят их пальцы и когда они начнут разбирать посудомойку.

Гуманоидные роботы перестали быть фантастикой — они стали реальностью, которая постепенно входит в нашу жизнь. Но так ли близок день, когда робот-помощник будет разбирать посудомойку, выносить мусор и встречать гостей? О том, что происходит в индустрии на самом деле, мы поговорили с Сергеем Лоншаковым — визионером компании AIRA и архитектором проекта «Робономика». За плечами Сергея — более десяти лет экспериментов с робототехникой, три поколения выпускников ИТМО и множество проектов от дронов-доставщиков до роботов-вафлипекарей.

На большинстве предприятий охраны труда на бумаге больше, чем в реальности: инструкции подписаны, журналы заполнены, отчёты красивые — а на производственной площадке народ продолжает ходить по цеху без каски, ставить стремянку «как получится» и выезжать на склад без осмотра погрузчика.  Формально система работает, но каждый руководитель производства знает: один невнимательный шаг — и вы теряете смену, оборудование, репутацию и деньги. На этом фоне «разбор полётов» и штраф от инспекции — лёгкий испуг и не более.

С чего все началось

Хотел простую вещь: отслеживать цену на пару товаров, которые ждал со скидкой. Чтобы не заходить руками каждый день, а получить уведомление, когда подешевело.

Думал, это вечер работы. requests.get(), выдрать цену, сравнить, отправить в телегу (упрощенно, конечно).

Оказалось, парсинг цен на маркетплейсах — это не про HTTP‑запрос. Это про репутацию IP‑адресов, про то, как браузер выдает себя поведением, и — на финале — про пост‑квантовую криптографию в TLS‑рукопожатии. Три площадки (Ozon, WB, Яндекс.Маркет) дали мне три совершенно разных уровня защиты, и на каждом я застревал по‑своему.